Associations of farm management practices with annual milk sales on smallholder dairy farms in Kenya
Notice bibliographique
Résumé
Aim: Cows on smallholder dairy farms (SDF) in developing countries such as Kenya typically produce volumes of milk that are well below their genetic potential.An epidemiological study was conducted to determine reasons for this low milk production, including limited use of best management practices, such as suboptimal nutritional management.Methods: An observational cross-sectional study of 111 SDF was performed in Nyeri County, Kenya in June of 2013 determining the effect of cow factors, farmer demographics and farm management practices on the volume of milk sold per cow per year (kg milk sold/cow).In particular, the effect of feeding high protein fodder trees and other nutritional management practices were examined.Results: Approximately 38% of farmers fed fodder trees, but such feeding was not associated with volume of milk sold per cow, likely due to the low number of fodder trees per farm.Volume of milk sold per cow was positively associated with feeding dairy meal during the month prior to calving, feeding purchased hay during the past year, deworming cows every 4 or more months (as opposed to more regularly), and having dairy farming as the main source of family income.Volume of milk sold per cow was negatively associated with a household size of >5 people and feeding Napier grass at >2 meters in height during the dry season.An interaction between gender of the principal farmer and feed shortages was noted; volume of milk sold per cow was lower when female farmers experienced feed shortages whereas milk sold per cow was unaffected when male farmers experienced feed shortages.Conclusions: These demographic and management risk factors should be considered by smallholder dairy farmers and their advisors when developing strategies to improve income from milk sales and animal-source food availability for the farming families.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».